[发明专利]活体检测方法、装置、计算机设备及存储介质

说明书

本发明公开了一种活体检测方法、装置、计算机设备及存储介质，包括：基于闪光检测的方式，获取待检测活体的人脸照片；将待检测活体的人脸照片输入到训练好的活体检测模型中进行识别，得到第一任务分值和第二任务分值，其中，训练好的活体检测模型包括第一任务模型和第二任务模型，第一任务模型用于第一类伪活体进行检测，得到第一任务分值，第二任务模型用于对第二类伪活体进行检测，得到第二任务分值，第一类伪活体为平面图像，第二类伪活体为包含闪光信息的图像；基于第一任务分值和第二任务分值，确定待检测活体的检测结果。实现对不同类型的伪活体均能快速识别，提高了活体识别的准确性。

技术领域

本发明活体识别领域，尤其涉及一种活体检测方法、装置、计算机设备及介质。

背景技术

随着人工智能技术的发展，人脸识别应用于越拉越多的生活场景，但也逐渐出现了一些伪活体进行的假人攻击，为确保活体识别的准确性，现有的一些方式，采用深度学习网络的方式，进行了活体的识别，但发明人在实现本发明的过程中发现，现有方式存在如下问题：现有方式主要是真实人脸存在不同方向的三维法线，而印刷平面的伪活体法线方向相同这一特征进行深度学习，从而进行活体识别，未考虑到法线方向不同的其他伪活体对活体识别的影响，导致活体识别结果达不到实际应用的需要。

发明内容

本发明实施例提供一种活体检测方法、装置、计算机设备和存储介质，以提高活体检测的准确率。

为了解决上述技术问题，本申请实施例提供一种活体检测方法，所述活体检测方法包括：

基于闪光检测的方式，获取待检测活体的人脸照片；

将所述待检测活体的人脸照片输入到训练好的活体检测模型中进行识别，得到第一任务分值和第二任务分值，其中，所述训练好的活体检测模型包括第一任务模型和第二任务模型，所述第一任务模型用于第一类伪活体进行检测，得到第一任务分值，所述第二任务模型用于对第二类伪活体进行检测，得到第二任务分值，所述第一类伪活体为平面图像，所述第二类伪活体为包含闪光信息的图像；

基于所述第一任务分值和所述第二任务分值，确定所述待检测活体的检测结果。

可选地，所述基于所述第一任务分值和所述第二任务分值，确定所述待检测活体的检测结果包括：

在所述第一任务分值超过预设阈值时，确认第一检测结果为真，否则，确认所述第一检测结果为假；

在所述第二任务分值超过预设阈值时，确认第二检测结果为真，否则，确认所述第二检测结果为假；

在所述第一检测结果和所述第二检测结果均为真时，确定检测结果为所述待检测活体为真实活体。

可选地，在所述将所述待检测活体的人脸照片输入到训练好的活体检测模型中进行识别，得到第一任务分值和第二任务分值之前，所述活体检测方法还包括：

获取训练样本集，所述训练样本集包括若干包含人脸图像的平面图像、若干包含人脸图像和闪光信息的图像和若干真实活体图像；

将若干所述包含人脸图像的平面图像和真实活体图像作为第一样本，将若干所述包含人脸图像和闪光信息的图像和真实活体图像作为第二样本；

采用所述第一样本对所述第一任务模型进行训练，采用所述第二样本对所述第二任务模型进行训练，并在达到预设训练条件时，终止训练，得到所述训练好的活体检测模型。

可选地，所述预设训练条件为第一任务模型的训练结果与真人概率的交叉熵达到第一预设阈值，并且，所述第一任务模型的训练结果与真人概率的交叉熵达到第二预设阈值。

可选地，所述将所述待检测活体的人脸照片输入到训练好的活体检测模型中进行识别，得到第一任务分值和第二任务分值包括：

将所述待检测活体的人脸照片输入到训练好的活体检测模型中；